人工智能優(yōu)化算法_第1頁
人工智能優(yōu)化算法_第2頁
人工智能優(yōu)化算法_第3頁
人工智能優(yōu)化算法_第4頁
人工智能優(yōu)化算法_第5頁
已閱讀5頁，還剩39頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、人工智能優(yōu)化算法曹金龍，2011年9月26日，優(yōu)化問題的分類，單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化，優(yōu)化目標(biāo)的個數(shù)，約束優(yōu)化和無約束優(yōu)化，有無約束，優(yōu)化變量，多目標(biāo)優(yōu)化，目標(biāo)，一般來說，這些K個目標(biāo)函數(shù)是相互沖突的，即它們不能同時達(dá)到最大值或最小值，這就需要找到一個折中的解決方案。這些解決方案通常被稱為帕累托最優(yōu)解。在一些文章中，Y=a*U b*V，a b=1被采用，但我認(rèn)為這沒有理論基礎(chǔ)。多目標(biāo)優(yōu)化是優(yōu)化理論研究的熱點。支配解，二目標(biāo)優(yōu)化問題，約束優(yōu)化問題的帕累托前沿，處理方法：罰函數(shù)法，經(jīng)典算法，遺傳算法，量子遺傳算法(GQA)，粒子群算法，人工蜂群算法，量子粒子群算法，膜優(yōu)化理論，多目標(biāo)優(yōu)化算法，遺傳

2、算法是基于自然選擇和群體遺傳學(xué)的搜索方法， 其核心思想是：在初始種群產(chǎn)生后，根據(jù)“適者生存”和“適者生存”的原則，逐代進(jìn)化產(chǎn)生更好的近似解。 目前，研究方向主要是遺傳算法與其他智能優(yōu)化算法和小生境遺傳算法的結(jié)合。交叉和變異算子、單點交叉、邊界變異：第k個位置的交叉點、父、子、第k個位置的突變點、父、子、交叉算子、交叉(單點交叉)在此應(yīng)用。交換父代交叉后的基因，從而產(chǎn)生后代的基因。交叉點是隨機(jī)生成的，并且示出了交叉點17處的相交過程。v1=10011011010010110100000010111001v2=001110101011000000101010101001001000，C1=10011011001011000001010101010100100001000C2=001111000假設(shè)染色體v1在第16位突變，突變過程如下。由于基因是1，它在突變后變成0。應(yīng)該注意的是，相對于交叉概率，變異概率非常小。v1=1001101010101101010000010111001，C1=100110100100100100000001011001，在16個基因位置開始變異，選擇算子，經(jīng)典選擇算法：選擇具有高輪盤賭選擇適應(yīng)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論